¿Por qué R?

• R es un lenguaje de programación para Computación Estadística. ¿ Existen programas similares, por qué usar R?
• R es Gratis.
• Existe una gran comunidad que lo utiliza.
• Puede manejar prácticamente cualquier formato de datos.
• Es un lenguaje, por lo que puede hacer todo.
• Es un buen trampolín para otros lenguajes como Python.

Descarga e Instalación

• R es el motor. (https://cran.r-project.org).
• RStudio es el panel de control. (https://rstudio.com).
• La instalación es como cualquier programa.
• Existe tambien https://rstudio.cloud.

Interfaz de RStudio

Vectores

Los vectores los creamos con elementos del mismo tipo a través de la función c( ) (concatenar). En caso de mezclar caracteres con datos numéricos, el vector se considerará caracter.

vec <- c(1,4,3.14,-2)  # <- es equivalente a usar =
vec

## [1]  1.00  4.00  3.14 -2.00

Dimensión/largo del vector

length(vec)

## [1] 4

Vectores (cont.)

Vectores reciclados

c(0.5,2) + c(1,2,3,4)

## [1] 1.5 4.0 3.5 6.0

c(0.5,2,0.5,2) + c(1,2,3,4)

## [1] 1.5 4.0 3.5 6.0

Vectores (cont.)

Un escalar es un caso especial

2 * c(1,-2,3) + 1 

## [1]  3 -3  7

c(0.5,2) + c(4,-1,10)

## Warning in c(0.5, 2) + c(4, -1, 10): longer object length is not a multiple
## of shorter object length

## [1]  4.5  1.0 10.5

Obs: No reciclar para no tener sorpresas en los cálculos.

Matemática en vectores

Algunas funciones operan sobre todo un vector y no sobre cada elemento.

#Sobre cada elemento
c(1,2,3)^2

## [1] 1 4 9

# Sobre todo el vector
sum(c(3,2,6))

## [1] 11

Algunas otras funciones: mean(),max(), min(),median(), sd(), var().

Ejemplo: Estandarizando datos

Supongamos que obtuvimos algunos valores de mediciones de ph y queriamos ponerlos en una escala estandarizada: \[ph^* = \dfrac{x_i- mean(x)}{sd(x)}\]

ph <- c(1.1,3.0,4.2,0.7,7.1,8,5.6,13.3,12.0)
z <- (ph - mean(ph)) / sd(ph) # z = ph estandarizado
round(z, 2)                # redondeamos a 2 decimales

## [1] -1.12 -0.70 -0.43 -1.21  0.22  0.42 -0.11  1.61  1.32

Ejercicio: Realizar la función scale() sobre el vector de datos y comparar.

Tipos de vectores

Las funciones class() o str() nos indican que tipo de vectores tenemos.

• Numérico: c(-2, 14*3, 1/2, -3.14) , Entero: 0:10
• caracter: c(“orange”, “red”, “yellow”, “green”)
• factor: factor(c(“orange”, “red”, “yellow”))
• lógico: c(FALSE, FALSE, TRUE)

Generando vectores numéricos

seq(-2, 5, by = 1.75) # secuencia desde  -2 a 5, incrementos de 1.75

## [1] -2.00 -0.25  1.50  3.25  5.00

# seq(-2,5,length.out = 5) se obtiene lo mismo.

rep(c(-1, 0, 1), times = 3) # repetir c(-1,0,1) 3 veces

## [1] -1  0  1 -1  0  1 -1  0  1

rep(c(-1, 0, 1), each = 3) # repetir cada elemento 3 veces

## [1] -1 -1 -1  0  0  0  1  1  1

n <- 12
1:n

##  [1]  1  2  3  4  5  6  7  8  9 10 11 12

Generando vectores no numéricos

# creamos un factor con tres niveles, a, b y c
mi.factor <- factor( sample( letters[1:3], 20, replace = T ) )
mi.factor

##  [1] a b c b c c a c a c c b a a a b c c a c
## Levels: a b c

levels( mi.factor )    # a, b, c

## [1] "a" "b" "c"

# preferimos la ordenación b, c, a
 
mi.factor <- factor( mi.factor, levels = levels( mi.factor )[ c( 2,3,1 ) ] )
levels( mi.factor )     # b, c, a

## [1] "b" "c" "a"

Generando vectores lógicos

first_names <- c("Pedro", "Catalina", "Roberto","Andrea")
name_lengths <- nchar(first_names) # numero de caracteres
name_lengths

## [1] 5 8 7 6

name_lengths >= 4

## [1] TRUE TRUE TRUE TRUE

Obs: Se puede realizar calculos con vectores lógicos, porque You can do math with logical vectors, because TRUE=1 y FALSE=0

Combinando condiciones lógicas

Si quisieramos solo los nombres con más de 6 letras:

largo <- name_lengths > 6
largo

## [1] FALSE  TRUE  TRUE FALSE

Si quisieramos solo los nombres donde la cuanrta letra es “r”:

# substr: substring (porción) de un char vector
letra.4 <- substr(first_names, start=4, stop=4) == "r"
letra.4

## [1]  TRUE FALSE FALSE  TRUE

Operadores lógicos

• & es “AND” (Ambas condiciones deben ser TRUE):

largo  & letra.4 

## [1] FALSE FALSE FALSE FALSE

• | es “OR” (Al menos una condicion debe ser TRUE):

largo  | letra.4 

## [1] TRUE TRUE TRUE TRUE

Operadores lógicos (cont.)

• ! es “NOT” (niega las propociones logicas, cambiando TRUE por FALSE y viceversa )

!largo

## [1]  TRUE FALSE FALSE  TRUE

!(largo  & letra.4 )

## [1] TRUE TRUE TRUE TRUE

Extra

# Obteniendo los nombres con largo mayor a 6
first_names[largo]

## [1] "Catalina" "Roberto"

# Si tenemos un vector con los sexos
sex <- c("M","F","M","F")
first_names[sex=="M"]        # para comparar usar doble signo = (==)

## [1] "Pedro"   "Roberto"

Extra (cont.)

# Veamos si nuestra lista coincide en algun nombre con este vector
first_names %in% c("Roberto", "Carla", "Daniel")

## [1] FALSE FALSE  TRUE FALSE

# Obtenemos la posición dentro de nuestro vector 
which(first_names %in% c("Roberto", "Carla", "Daniel"))

## [1] 3

# Veamos cual es el que coincide
first_names[3]

## [1] "Roberto"

NA’s, Inf y NaN

Un valor perdido es codificado como NA sin "".

# un vector con valores NA
vector_conNA <- c(1,2,NA,4,-3,NA,NA,-4)
mean(vector_conNA)

## [1] NA

Problemas!… los NA no dejan hacer cálculos correctamente. que hacer? remover los valores uno por uno… que lata…

mean(vector_conNA, na.rm=TRUE)

## [1] 0

NA’s, Inf y NaN (cont.)

# Para ver la posición de los valores NA
is.na(vector_conNA)

## [1] FALSE FALSE  TRUE FALSE FALSE  TRUE  TRUE FALSE

Como manejar los NA

vector_conNA == -3

## [1] FALSE FALSE    NA FALSE  TRUE    NA    NA FALSE

vector_conNA %in% -3

## [1] FALSE FALSE FALSE FALSE  TRUE FALSE FALSE FALSE

NA’s, Inf y NaN (cont.)

vector_conNA %in% NA

## [1] FALSE FALSE  TRUE FALSE FALSE  TRUE  TRUE FALSE

# Como funcionan los Inf y NaN
vec <- c(-2, -1, 0, 1, 2) / 0 ; vec

## [1] -Inf -Inf  NaN  Inf  Inf

rbind(is.finite(vec),is.nan(vec))

##       [,1]  [,2]  [,3]  [,4]  [,5]
## [1,] FALSE FALSE FALSE FALSE FALSE
## [2,] FALSE FALSE  TRUE FALSE FALSE

Matrices

Una Matriz extiende los vectores a dos dimensiones. Veamos algunos comandos útiles

 (a_matrix <- matrix(letters[1:8], nrow=2, ncol=4))

##      [,1] [,2] [,3] [,4]
## [1,] "a"  "c"  "e"  "g" 
## [2,] "b"  "d"  "f"  "h"

 (b_matrix <- matrix(letters[1:8], nrow=2, ncol=4, byrow=TRUE))

##      [,1] [,2] [,3] [,4]
## [1,] "a"  "b"  "c"  "d" 
## [2,] "e"  "f"  "g"  "h"

Matrices (cont.)

# empalmando vectores por fila
(c_matrix <- rbind(c(2,4,6),c(-1,0,-3)))

##      [,1] [,2] [,3]
## [1,]    2    4    6
## [2,]   -1    0   -3

# empalmando vectores por columna
(c_matrix <- cbind(c(1, 2,5,3), c(3, 4), c(5, 6)))

##      [,1] [,2] [,3]
## [1,]    1    3    5
## [2,]    2    4    6
## [3,]    5    3    5
## [4,]    3    4    6

Aquí tenemos un problema…

Matrices (cont.)

##      [,1] [,2] [,3] [,4]
## [1,] "a"  "c"  "e"  "g" 
## [2,] "b"  "d"  "f"  "h"

# extraer la fila 2
a_matrix[2,]

## [1] "b" "d" "f" "h"

# extraer la columna 3
a_matrix[2,]

## [1] "b" "d" "f" "h"

Matrices (cont.)

Ahora el comando para ver el tamaño es dim()

# primer valor es la cantidad de filas y el otro valor las columnas.
dim(a_matrix)

## [1] 2 4

matrix <- cbind(c("SI","NO"), c(18,31))
# nombramos las filas y columnas
rownames(matrix) <- c("Pedro", "Carla")
colnames(matrix) <- c("Fuma", "Edad")
matrix

##       Fuma Edad
## Pedro "SI" "18"
## Carla "NO" "31"

¿Algún problema?

 typeof(matrix)

## [1] "character"

Listas

Una Lista es un objecto que puede almacenar muchos tipos de datos

(mi.lista <- list("letras"      = letters[1:4],
                 "matriz"      = matrix(8:11, nrow = 2),
                 "resultados"  = lm(dist ~ speed, data = cars)))

## $letras
## [1] "a" "b" "c" "d"
## 
## $matriz
##      [,1] [,2]
## [1,]    8   10
## [2,]    9   11
## 
## $resultados
## 
## Call:
## lm(formula = dist ~ speed, data = cars)
## 
## Coefficients:
## (Intercept)        speed  
##     -17.579        3.932

Listas (cont.)

Como acceder a cada conjunto de datos en una lista?

 mi.lista[["letras"]]

## [1] "a" "b" "c" "d"

 mi.lista$letras

## [1] "a" "b" "c" "d"

 mi.lista[[1]]

## [1] "a" "b" "c" "d"

Actividad 1

Resolvamos los ejercicios propuestos con lo que hemos aprendido hasta el momento.

• Descargar el script1_clase1.R

Detectando Patrones

• grep() : encuentra las posiciones de las frases que contienen el patron.
• grepl(): valores lógicos del comando grep().
• str_detect(): idem a grepl().
• strsplit() , str_split(): dividen un string usando un patron.
• str_locate() , str_locate_all(): localiza el patron.
• str_extract() , str_extract_all(): Extraen las coincidencias (agregando simplify = T, se obtiene una matriz con los resultados.)
• sub() reemplaza las coincidencias (gsub() reemplaza todas.)
• str_replace() , str_replace_all(): idem a sub() y gsub().

Obs: todos los str_ son cargando la libreria stringr.

Ejemplos

frases <- c("Chile se divide en regiones", "La región del Biobío esta en Chile",
            "El sur de chile es lo mejor")
patron <- '(en|Chile)'   # o "en|Chile"

grep(pattern = patron, frases) 

## [1] 1 2

grep(pattern = patron, frases, value = T)

## [1] "Chile se divide en regiones"       
## [2] "La región del Biobío esta en Chile"

Ejemplos (cont.)

grepl(pattern = patron, frases)

## [1]  TRUE  TRUE FALSE

strsplit(frases, patron)

## [[1]]
## [1] ""            " se divide " " regiones"  
## 
## [[2]]
## [1] "La región del Biobío esta " " "                         
## 
## [[3]]
## [1] "El sur de chile es lo mejor"

Ejemplos (cont.)

stringr::str_locate_all(frases , patron)

## [[1]]
##      start end
## [1,]     1   5
## [2,]    17  18
## 
## [[2]]
##      start end
## [1,]    27  28
## [2,]    30  34
## 
## [[3]]
##      start end

Ejemplos (cont.)

stringr::str_extract_all(frases , patron)

## [[1]]
## [1] "Chile" "en"   
## 
## [[2]]
## [1] "en"    "Chile"
## 
## [[3]]
## character(0)

stringr::str_extract_all(frases , patron, simplify = T)

##      [,1]    [,2]   
## [1,] "Chile" "en"   
## [2,] "en"    "Chile"
## [3,] ""      ""

Extra. paste()

Realize un vector que diga “iter 1”, “iter 2”,…, “iter 5”.

iteraciones <- c("iter 1","iter 2","iter 3","iter 4","iter 5")
iteraciones

## [1] "iter 1" "iter 2" "iter 3" "iter 4" "iter 5"

Fácil!… pero si necesitamos que sea un vector de la forma “iter 1”,…, “iter 1.000”

iteraciones <- paste("iter",sep= " ",1:1000)
sample(iteraciones,10)

##  [1] "iter 45"  "iter 573" "iter 784" "iter 395" "iter 311" "iter 520"
##  [7] "iter 297" "iter 892" "iter 258" "iter 941"

Extra.

• merge(): Para concatenar 2 bases de datos. (lo veremos más adelante(algo similar) con dplyr)
• aggregate(): agrega una base de datos. su comportamiento es en fórmula X ~ Y, Si X es una variable númerica e Y una de categorías voy a encontrar una función de X para cada categoría de Y. Entrega un nuevo objeto que es un dataframe.
• subset(): realiza filtro (similar a [ ]). Le entrego un objeto y le digo que sustraer. Reduce la dimensión del objeto a los que cumplen la condición. Retorna el mismo objeto filtrado.

Actividad 2

Resolvamos los ejercicios propuestos con la ayuda de las expresiones regulares.

• Descargar la base de datos Encuesta.xlsx
• Descargar el script2_clase1.R